Nanospeech开源 – 轻量级可定制文本转语音系统

MegaTTS3是字节跳动开源的轻量级语音合成系统，基于PyTorch实现，支持中英双语及代码切换。其核心采用仅0.45B参数的扩散Transformer模型，可实现高质量零样本语音克隆，并提供口音控制、细粒度发音调节等功能。项目包含语音对齐器、音素转换模型和WaveVAE编解码器等子模块，适用于学术研究及多场景语音合成需求。

MagicMic是一款尖端的AI语音转换和生成器，提供超过700种声音和效果，适合游戏玩家、主播和各种在线互动用户。它的用户友好界面和强大功能，极大地扩展了语音转换技术的创意潜力。

Llasa 3b Tts 是 Hugging Face 上 srinivasbilla 创建的一个非官方演示空间，用于展示基于 Llasa-3B 模型的零样本语音克隆功能。Llasa-3B 模型由香港科技大学开发，是基于 LLaMA 的文本转语音（TTS）系统，支持中英双语，训练数据达 250,000 小时。该空间允许用户从纯文本生成语音，或通过语音样本提示生成具有类似风格和情感的语音，特别适用于语音助手、配音和个性化语音场景。

mlx-audio 是一个基于 Apple 的 MLX 框架构建的文本转语音 (TTS) 和语音转语音 (STS) 库，专为 Apple Silicon 设备优化，提供高效的语音合成功能。它支持多语言、语音自定义和量化技术，适用于需要高性能语音合成的应用场景。

ChatTTS-OpenVoice是一款结合ChatTTS和OpenVoice技术的开源个性化语音生成项目。它允许用户上传10秒的参考音频，通过先进的技术克隆出自然且个性化的语音。项目旨在提供高质量的语音合成解决方案，适用于多种应用场景。

Reals by Hour One 是一个视频制作工具，可以将文本、幻灯片或提示快速转换为专业且引人注目的视频。它提供了脚本编辑、视频模板、超真实的 AI 主持人、语音克隆、支持多种语言以及丰富的素材库，极大简化了视频创作过程。

VoiceCraft 是一个基于令牌填充的神经编解码语言模型，在野生数据集上的语音编辑和零样本文本到语音（TTS）转换方面达到了最先进的性能。

Step-Audio是阶跃开源的一个统治级130B超大语音模型，业界首个集语音理解与生成控制一体化的产品级开源实时语音对话系统。它支持多语言对话、情感语气、地区方言、可调节语速以及韵律风格，并包含多个功能强大的子模型，如Step-Audio-Tokenizer、Step-Audio-Chat和Step-Audio-TTS-3B。通过ToolCall机制和角色扮演增强，Step-Audio在复杂任务中的表现尤为出色。

Altered是一款前沿的AI语音转换软件，旨在通过高质量和可定制的语音选项，彻底改变我们对语音技术的理解和应用。它适用于专业人士和爱好者，提供多种工具，帮助用户轻松创建、修改和优化语音表演，用于媒体制作、实时沟通、语音克隆和AI语音清理等。

BlipCut AI Video Translator 是一个在线的 AI 驱动工具，能够准确地将视频翻译成英语及其他35种语言。它提供类人声音和语音克隆功能。

Fine-tune Phi-2是一个用于对Phi-2模型进行微调的项目，包含使用QLoRA技术进行微调、创建合成对话数据集以及支持多个GPU并行训练的功能。该项目提供了详细的示例代码和文档，允许用户灵活配置训练参数，以便优化模型的表现。

豆包同声传译模型基于豆包大模型的语音理解能力，提供高质量、低延迟的端到端同声翻译服务。它支持跨语言同音色翻译，并能识别粤语、上海话等方言，适用于会议翻译、线上直播等实时场景。项目通过火山引擎控制台或API使用，功能包括实时语音翻译和语音克隆，帮助用户在跨语言交流中保持语音的自然性和一致性。

RuoYi AI是一个基于ruoyi-plus框架的后端开发项目，专注于集成AI聊天和绘画功能。该项目完全开源免费，采用Java17和SpringBoot 3.X技术栈，旨在帮助开发者快速构建具备AI能力的应用，特别适合企业级应用的开发，如OA、HR、CRM等。项目支持多种AI模型，如ChatGPT4、Dall-E-3等，并提供语音克隆、文生图、微信小程序对接等功能。后台管理界面基于elementUI，操作简便，代码完全开放，方便二次开发和学习。

Wondercraft是一个利用AI技术，帮助用户轻松编写、配音和制作高质量音频的工具，适用于各种用户群体，包括市场营销人员、企业培训师和教育工作者。

Duzo AI Translation 是一款先进的翻译工具，利用人工智能技术提供自然流畅的翻译服务。它支持语音克隆、同步口型、脚本编辑等多种功能，旨在帮助用户轻松沟通并分享内容至全球。